Worldwide Mobile App User Behavior Dataset

Contexto

…

Análise

Leitura do conjunto de dados

df <- readxl::read_excel('./mobile_app_user_dataset_1.xlsx')[-1,]

Exploração

Uma vez que é uma pesquisa sobre mobile devices, veremos qual a proporção de pessoas que de fato possuem um device.

df %>% 
  select(Q2) %>% 
  drop_na() %>% 
  mutate(
    Q2 = case_when(
      Q2 == 1 ~ "Possui",
      Q2 != 1 ~ "Não Possui"
    )
  ) %>% 
  ggplot(
    aes(
      y = Q2,
      fill = Q2
    )
  ) +
  geom_bar(
    position = "dodge",
  ) +
  geom_label(
      stat = 'count',
      aes(
        label = ..count..,
      ),
      color = 'white',
      show.legend = FALSE
  ) + 
  labs(
    y = "",
    x = "Total de Pessoas",
    title = "Distribuição de pessoas que tem ou não celular",
    subtitle = "Dados oriundos da pesquisa realizada pela Harvard"
  ) +
  scale_fill_manual(
    values = c( "#C4161C", "#009491"),
  ) +
  theme_classic() +
  theme(
    axis.title.x = element_text(vjust=-.2, size=11),
    legend.title = element_blank()
  ) 

Podemos visualizar que a grande parte das pessoas possuem celular.

A proporção de pessoas que não tem é de 12%.

Visualizaremos agora os diferentes tipos de dispositivos utilizados pelos usuários que possuem celular

phone_format <- function (phone_list, phone_type, apply_function = function(param) param) {
  phone_dic = list(
    apple = c("apple", "iphone", "ipad", "aple", "appale", "ipod", "aplle", "i-phone", "ipone", "applke", "applr", "appme", "iphon"),
    blackberry = c("blackberry", "blackb", "blackeb", "baclkberry", "blakckberry", "blacberry", "blakberry", "blackerry", "bleckberry"),
    samsung = c("samsung", "samsumg", "sansung", "sumsung", "samsug", "samsun",  "samgung", "samsing", "samung", "sansug", "samasung", "samsang", "samsong", "sumsang", "galaxynote"),
    null = c("\\?", "9000", "930p"),
    sony_ericsson = c("sony-", "sonyer", "sony", "erison"),
    nokia = c("nokia", "nokya"),
    asus = c("asus"),
    acer = c("acer")
  ) 
  
  
  str_detect(phone_list, paste(phone_dic[[phone_type]], collapse = "|")) ~ apply_function(phone_type)
}

phones <- df %>%
  filter(Q2 == 1) %>% 
  select(Q3_1_TEXT) %>% 
  drop_na() %>% 
  mutate(
    Q3 = str_replace(str_to_lower(Q3_1_TEXT), " ", "")
  ) %>% 
  mutate(
    Q3 = case_when(
      phone_format(Q3, "apple"),
      phone_format(Q3, "samsung"),
      phone_format(Q3, "blackberry"),
      phone_format(Q3, "null"),
      phone_format(Q3, "sony_ericsson", function(param) str_replace(param, "_", " ")),
      TRUE ~ Q3
    )
  ) %>% 
  group_by(Q3) %>% 
  count() %>%
  arrange(desc(n)) 

phones

length(names(df))

[1] 161

df

q5_answers <- data.frame(
  row.names = c(1, 2, 3, 4, 5, 6, 7, 8, 9),
  val = c("Never", "Less than once a month ", "Once a month", "More than once a month", "Once a week", "More than once a week", "Once a day", "Several times a day", "Other")
)

df %>% 
  select(Q5) %>% 
  drop_na() %>% 
  mutate(
    Q5_TEXT = qr_answers[Q5, ]
  ) %>% 
  group_by(Q5_TEXT) %>% 
  count() %>% 
  arrange(desc(n)) %>% 
  ggplot(
    aes(
      x = reorder(Q5_TEXT, -n),
      y = n,
      fill = Q5_TEXT
    )
  ) +
  geom_col() +
  labs(
    x = 'Frequencia de abertura da loja de aplicativos',
    y = 'Total'
  ) +
  theme(
    axis.text.x = element_text(angle = 45, vjust=.6),
  )

NA

q6_answers <- data.frame(
  row.names = c(1, 2, 3, 4, 5, 6),
  val = c("0 - 1", "2 - 5", "6 - 10", "11 - 20", "21 - 30", "Mais de 30")
)


df %>% 
  select(Q6) %>% 
  drop_na() %>% 
  mutate(
    Q6_TEXT = q6_answers[Q6,]
  ) %>% 
  group_by(Q6_TEXT) %>% 
  count() %>% 
  ggplot(
    aes(
      x = reorder(Q6_TEXT, -n),
      y = n,
      fill = Q6_TEXT
    )
  ) +
  geom_col() +
  labs(
    x = 'Quantidade de aplicativos baixados por mês',
    y = 'Total',
  ) +
  theme_classic() +
  labs(
    fill = 'Frequência'
  ) +
  theme(
    axis.text.x = element_text(vjust = -1),
    axis.title.x = element_text(vjust = -1),
  )

Vamos ver se a galera que mais baixa é a galera que mais acessa a loja

df %>% 
  select(Q5, Q6) %>% 
  drop_na() %>% 
  mutate(
    Q5 = q5_answers[Q5,],
    Q6 = q6_answers[Q6, ]
  ) %>% 
  group_by(Q5, Q6) %>% 
    count() %>% 
  arrange(desc(n)) %>% 
  ggplot(
    aes(
      y = reorder(Q5, -n),
      x = n,
      fill = Q6
    )
  ) +
  geom_bar(
    stat = "identity",
    position = position_dodge(width = 1)
  ) +
  geom_label(
    aes(
      label = n,
    ),
    size = 3
  ) +
  labs(
    y = 'Frequência de acesso à loja de aplicativos',
    x = 'Total'
  ) +
  theme(
    axis.text.x = element_text(angle = 20, vjust = 0.5),
  ) +
  facet_grid(rows = 'Q6')